بکارگیری روش های یادگیری عمیق جهت پیش بینی تقاضای زنجیره ی تامین خون (مطالعه ی موردی: بیمارستان افضلی پور کرمان)

یکی از مباحث عمده در سیستم های بهداشت جهانی مسئله ی مدیریت زنجیره تامین خون است، مدیریت زنجیرهی تامین خون به علت چالش هایی مانند فسادپذیری بالا، زمان کوتاه عمر، عدم قطعیت تقاضا در بیمارستان و محدودیت های فضای نگهداری، بسیار حیاتی است از این رو پیش بینی قابل اعتماد تقاضای خون میتواند تا حدودی مشکلات عمده ی این زنجیره را حل کند و کاهش چشمگیری در هزینه ها ایجاد کند. اطلاع از حدود تقاضای خون میتواند نسبت به برنامه ریزی انواع روشهای تامین خون مثل برگزاری کمپین های اهدای خون، تعیین نقاط معین و ... اثرگذار باشد. از طرفی از ورود بیش از نیاز خون به منابع جلوگیری میکند و باعث کاهش هدررفت در لایه های زنجیره تامین می گردد. این مطالعه با بکارگیری دو نوع از مدلهای یادگیری عمیق و با استفاده از داده های روزانه سری زمانی پنج ساله متعلق به تقاضای خون بیمارستان افضلیپور کرمان به پیش بینی تقاضای خون در سی روزه آینده می پردازد. به منظور پیش بینی، ابتدا پیش پردازش های لازم بر روی داده ها برای ورود به الگوریتم ها انجام می گردد و سپس عملکرد مدل های RNN و MLPبرای پیش بینی مورد ارزیابی قرار می گیرد. نتایج نشان میدهد که الگوریتم RNN با داشتن مقدار کمتر سنجش ارزیابی MSE عملکرد مطلوب تری نسبت به الگوریتم MLP داراست.

کلیدواژه ها:

یادگیری عمیق ، زنجیره تامین خون ، پیش بینی تقاضا ، کاهش هدررفت خون ، هوش مصنوعی ، یادگیری ماشین